使用元组的 Numpy 数组切片

Question

我已经阅读了关于切片的 numpy 文档（尤其是它讨论变量数组索引的底部） https://docs.scipy.org/doc/numpy/user/basics.indexing.html

但我仍然不确定如何执行以下操作：编写一个返回 3D 索引集或 4D 索引集的方法，然后用于访问数组。我想为基类编写一个方法，但是从它派生的类可以访问 3D 或 4D，具体取决于实例化的派生类。

示例代码来说明想法： 将 numpy 导入为 np

a = np.ones([2,2,2,2])
size = np.shape(a)
print(size)
for i in range(size[0]):
  for j in range(size[1]):
    for k in range(size[2]):
      for p in range(size[3]):
        a[i,j,k,p] = i*size[1]*size[2]*size[3] + j*size[2]*size[3] + k*size[3] + p

print(a)

print('compare')
indices = (0,:,0,0)
print(a[0,:,0,0])
print(a[indices])

简而言之，我正在尝试获取一个元组（或其他东西），该元组可用于根据我填充元组的方式进行以下两种访问：

a[i, 0, :, 1]

a[i, :, 1]

切片方法看起来很有希望，但它似乎需要一个范围，我只想要一个“：”，即整个维度。变量 numpy 数组维度访问有哪些选项？

Answer 1

In [324]: a = np.arange(8).reshape(2,2,2)
In [325]: a
Out[325]: 
array([[[0, 1],
        [2, 3]],

       [[4, 5],
        [6, 7]]])

切片：

In [326]: a[0,:,0]
Out[326]: array([0, 2])
In [327]: idx = (0,slice(None),0)   # interpreter converts : into slice object
In [328]: a[idx]
Out[328]: array([0, 2])

In [331]: idx
Out[331]: (0, slice(None, None, None), 0)
In [332]: np.s_[0,:,0]              # indexing trick to generate same
Out[332]: (0, slice(None, None, None), 0)

Answer 2

您的代码似乎可以使用: 以您希望的方式工作。两个例子的原因

(a[i, 0, :, 7], a[i, :, 7])

不工作是因为7 超出了数组的范围。如果您将7 更改为1 之类的范围内的值，那么它会返回一个值，我相信这就是您要查找的值。